CN108604232A - 通过模型化滚动行为而改善信息源 - Google Patents
通过模型化滚动行为而改善信息源 Download PDFInfo
- Publication number
- CN108604232A CN108604232A CN201680038910.6A CN201680038910A CN108604232A CN 108604232 A CN108604232 A CN 108604232A CN 201680038910 A CN201680038910 A CN 201680038910A CN 108604232 A CN108604232 A CN 108604232A
- Authority
- CN
- China
- Prior art keywords
- content item
- content
- entry
- user
- information source
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
Abstract
提供了一种用于将内容条目填充到信息源中的方法和装置。所述信息源包括一系列内容条目,所述内容条目以用户向下滚动信息源时显示给用户的内容条目数量最大化的方式排序。所述内容条目中的每一个均与点击率相关联,表示所述内容条目向用户显示的次数,显示所述条目之后用户滚动到所述信息源中的下一条目的次数,以及所述内容条目的高度。这些值用于训练行为模型,然后由所述行为模型用于对用户设备显示的信息源中的内容条目进行布置。
Description
技术领域
本申请涉及计算机实现的数据处理技术,更具体而言涉及在线信息源的内容填充。
背景技术
在线发布商发布的网页具有多个用于向网页访问者分发内容的用户界面元素。一个这样的用户界面元素即为一个信息流(newsfeed),也称作信息源(feed)。信息源包括可由用户选择的一系列看似连续不断的内容条目或内容条目链接。
在线发布商激励用户尽可能多地浏览内容条目。为此,在线发布商通过利用贪婪算法将点击率(CTR)高的内容条目置于信息源的顶部附近,用于填充信息源。然而,浏览者可能在浏览几条内容条目后就离开信息源,这就意味着浏览者浏览的内容条目数量少于在线发布商所希望的数目。
本部分中所描述的方法是可以采取的方法,但不一定是先前已被设想到或采取的方法。因此,除非另有说明,否则不应当仅仅因其包含在本部分中而将在本部分中所描述的任何方法视为现有技术。
附图说明
在附图中:
图1是根据多个实施例的信息源的示图;
图2是根据多个实施例的滚动行为系统的框图;
图3是根据多个实施例的一种用于生成和训练浏览信息源的行为模型的方法的流程图;
图4是根据多个实施例的基于行为模型填充信息源的方法的流程图;和
图5是可实现实施例的计算机系统的框图。
具体实施方式
在下面的描述中,出于解释目的,阐述了许多具体细节以便提供对本发明的透彻理解。然而,本发明在没有这些具体细节的情况下也可实施,这是显而易见的。在其他情况下,对众所周知的结构和设备以框图形式示出,以避免不必要地混淆本发明。
本文中描述的信息源为垂直显示的信息源。在这种信息源中,内容条目的高度是指内容条目的垂直高度。此外,内容条目距信息源顶部的距离为内容条目距离信息源顶部的垂直距离。其他实施例可包括水平显示的信息源。在水平显示的信息源中,内容条目的高度是指内容条目的水平宽度。水平显示的信息源的距离是指距离信息源起始位置的水平距离,通常是指信息源的最右边缘。在一些地理位置或语言中,水平显示信息源的“顶部”可指信息源的最左边缘。
总体概述
在线信息源是流行的用户界面元素,因为在线信息源允许用户有效滚动和浏览内容条目,而无需中断操作,如,重新加载页面或导航进入“下一个”网页。根据本公开,成功的在线信息源是用户在浏览信息源中第一显示的内容条目后还会继续滚动浏览更多内容条目。
为了生成可让用户滚动浏览其他内容的信息源,可使用行为建模系统对用户浏览的整个信息源,而不是仅仅几个内容条目进行优化。可采用内容条目的各种特征来对其进行布置,如,点击率(CTR)、内容条目在信息源中显示的高度(h)、网页顶部与内容条目顶部之间的距离(t)和显示内容条目的用户设备的屏幕尺寸(s)。为了量化这些特征,需要对每个内容条目的第二度量——预测连续滚动概率(CSP)进行计算。
为了进行说明,采用了屏幕尺寸为s=100像素(px)且可显示四条内容条目的用户设备:
(A,100px,$100)
(B,30px,$99)
(C,30px,$98)
(D,30px,$97)
其中,第二和第三字段分别是点击时内容条目的高度和预期奖励(以美元表示)。对于完整显示在第一屏幕上的内容条目,每个内容条目的CTR为100%或1,其数学表达式为:
T+h<=s;
并且如果内容条目仅被部分地显示或未显示在屏幕上,则内容条目的CTR为零。在贪婪排序策略中,未考虑显示器性能,内容条目从信息源顶部向下按照预期奖励降序排列,即:A→B→C→D。由于内容条目A(h_A)的高度为100px,与屏幕尺寸(s)相等,因此,内容条目A完全占据屏幕,而条目B、C及D在信息源中被全部下拉至显示区域下方。这样获得的总收益为100美元。
使用本文中描述的优化技术可使内容条目按下列顺序在信息源中布置:B→C→D→A。之后,B、C和D可全部在第一屏幕中显示,因为它们中的每一个的大小仅为30像素,而A只能部分地显示,其对应的预期总收益为:99美元+98美元+97美元=294美元。
信息源
图1是根据多个实施例的一部分信息源100的示图。信息源100被描述为垂直信息源,但在一些实施例中也可以是水平信息源。信息源100包括可选标题102和内容条目104-112。在给定时间点,仅有一部分信息源100可显示在用户设备的屏幕上(未示出)。用户可向下滚动调用信息源100,以浏览其中的更多内容条目,或者向上滚动,以浏览信息源100中之前已浏览过的内容条目。
信息源100包括位于其顶部的可选标题102。标题102并不是内容条目本身。标题102可包括提供信息源100的网页的标志或其他标识,以及用户可选择的菜单或选项菜单链接。在一些实施例中,标题102可包括其他功能,如,搜索框或通知。标题102可在用户向下滚动到信息源100时固定在屏幕顶部显示。标题102可在浏览时隐藏,并在接收到用户输入(如,向上滚动或停止滚动指令)时重新呈现。
信息源100包括一系列内容条目,如,内容条目104-112。内容条目104-112以有序序列呈现,其中,这些内容条目根据本文中所述的排序垂直布置。这些内容条目可包括一个或多个链接至其他内容条例的链接。内容条目104-112中的每一个的位置以其垂直大小和距信息源100中的第一内容条目104顶部的距离表示。其他实施例可用距标题102顶部的距离表示。为了进行说明,从内容条目110顶部到内容条目110底部测量其高度(记为h 118),并以像素数表示。从内容条目104顶部到内容条目110顶部测量内容条目104-108的距离(记为t 116),并以像素数表示。信息源100可包括比图1中所示更多或更少的内容条目。
在多个实施例中,在给定时间点,仅有一部分信息源100显示在用户设备上。显示的信息源的部分以屏幕尺寸s表示。屏幕尺寸可取决于多个由客户端设备控制的变量,如,字体大小、缩放比例、物理显示器尺寸以及访问的是移动版网站,还是桌面版网站。虽然屏幕尺寸s可变,但是在本公开中,假设显示信息源100期间的像素数为一个常数。在图1中,屏幕尺寸s 114以两条平行线表示。屏幕尺寸显示在信息源100顶部。当用户向下滚动信息源时,屏幕尺寸可被概念化为包含相同像素数,但内容条目不同的浮动窗口。此外,屏幕尺寸s并非必须与内容条目的尺寸相符。这样,只有在显示的信息源的顶部和底部的内容条目部分可被显示。例如,如图所示,内容条目108被底部分割线s 114一分为二。这样,除非用户向下滚动,否则只有在分割线之上的内容条目108部分显示在用户设备上。
滚动行为系统
图2是根据多个实施例的滚动行为系统200的框图。滚动行为系统200生成、训练和实现用于为信息源100中的内容条目排序的行为模型。该滚动行为系统200使用行为模型为显示给用户的信息源中的内容条目排序。在滚动行为系统200的说明中描述了如何实现模块。在阅读本说明书时,本领域普通技术人员可将本文中的描述作为实现模块的伪代码。
标签模型202对用户设备上显示的信息源100中的内容条目104-112进行标注。内容条目104-112中的每一个可被标注为“已浏览”、“已点击”和“已滚动”。当信息源100中的内容条目全部或部分地在用户设备上显示时,标为“已浏览”。当信息源100中的内容条目被用户设备的用户点击时,标为“已点击”。当内容条目下的第二内容条目在用户设备上显示时,标为“已滚动”。更通俗地说,当显示下面的一定数量n的内容条目时,内容条目标为“已滚动”。为了便于说明,本说明书中采用了特殊案例,其中,n=1。因此,内容条目可被标为“已浏览”和“已滚动”或只标记为“已浏览”。之后,将分配给每个内容条目的标签用于训练行为模型。
模型训练模块204基于标记的内容条目以及一个或多个其他输入(如,用户属性和内容条目属性)训练行为模型。可训练两个行为模型。如果内容条目已被浏览,则第一个行为模型估计或输出该内容条目的点击概率。如果内容条目已被浏览,则第二个行为模型估计或输出该内容条目的滚动概率。这些模型通过各种机器学习算法利用用户访问信息源的历史行为数据和/或其他特征进行训练。
用户属性数据库206存储可请求信息源100的每个用户的一个或多个属性。用户属性可以是描述用户的一个或多个典型行为或特征的量化值。用户行为可包括一段时间内对网页的多次访问、一段时间内的多次登录、在之前一次或多次访问中浏览信息源中的多个内容条目、在之前的一次或多次访问中点击信息源中的多个内容条目以及在之前的一次或多次访问中滚动多个内容条目。用户属性可包括性别、就业状态、当前雇主、职位、用户的多个社交网络关系、用户最近是否更换工作或职务、一个或多个网页关联的亲和团体的会员身份、参与的讨论或活动、用户地域设置、账户创建后的登录花费时间、用户年龄以及用户信息的最新更新时间。
内容项目属性数据库208存储一个或多个与可填充到信息源中的一个或多个内容条目相关联的属性。这些属性可包括,如,内容条目的高度h 118、内容条目被浏览或被标为已浏览的次数、内容条目被滚动或被标为已滚动的次数、内容条目每次被浏览或滚动时距信息源顶部的距离t 116。其他可使用的属性包括但不限于如文章、图片、文档或广告等内容的类型,以及来自其他用户、网站中著名或具有影响力的会员或网站赞助商的内容来源。
评分模块210利用行为模型对特定信息源中的多个候选内容条目中的每一个进行评分。对于多个用户中的每一个用户,其候选内容条目集可以是相同的,亦或者可针对每个用户或多个用户群中的每个群体(如,年龄在25岁以上的女性用户)来确定候选内容条目集。利用评分可生成与内容条目、内容条目在信息源中的布局以及内容条目高度相关联的量化奖励值。评分用于对信息源中的内容条目排序,从而使每个内容条目的位置设置均可对信息源中所有内容条目的浏览概率进行优化。由于用户浏览了更多内容条目,因此,用户很可能会点击至少一个内容条目。随着时间的推移,相较于其他网页,用户可能会更喜欢该网页,并且可能会更频繁地访问该网页和其信息源。
训练行为模型
图3是根据多个实施例的一种用于生成和训练浏览信息源的行为模型的方法300的流程图。方法300可用于根据已知的用户特征集和用户的当前滚动行为生成行为模型。方法300可在之前生成的信息源100在用户设备上显示且包括被标为已浏览和已滚动的内容条目时执行。方法300可由滚动行为系统200执行。
在操作302中,确定用户的一个或多个属性。在一些实施例中,从用户属性数据库206中检索用户属性。用户属性可包括与用户过去的滚动行为或点击行为相关的信息。用户属性可针对特定用户或基于用户被分配或所属的用户群。
在操作304中,确定一个或多个内容条目的属性。在一些实施例中,从用户属性数据库208中检索内容条目的属性。这些属性可包括内容条目的高度h 118、内容条目的历史设置距离t 116,以及对于每个距离t 116,用户设备的屏幕尺寸s 114和内容条目是否被点击。在一些实施例中,内容条目的另一属性为内容条目在信息源100中的宽度和相对宽度,其中,内容条目宽度垂直于其高度h 118测量。
一些实施例可包括用户浏览信息源中的内容条目所花费的时间。浏览时间可基于内容条目的长度自动修改。内容条目的长度可根据内容条目中的内容进行测量。对于视频内容条目,内容条目的长度基于视频回放时间。对于图像内容条目(如,漫画或图表),内容条目的长度基于图像大小、图像上的字数或与图像相关联的帧或幻灯片的数量。对于文本内容条目(如,文章或博客文章),内容条目的长度基于内容条目的字数。
多个实施例可包括一个或多个复杂性度量,以确定内容条目的属性。复杂性度量可包括特定用户在滚动前浏览多个内容条目所花费的平均时间。另一个复杂性度量可包括多个浏览特定内容条目的用户浏览特定内容条目所花费的平均时间。另一个复杂性度量用于识别包含在特定内容条目中或与特定内容条目相关联的多个图像或视频。
在操作306中,标签模块202将用户设备上显示的内容条目标为已浏览。内容条目的显示部分地取决于内容条目相对于信息源100顶部的距离t 116。屏幕尺寸较大意味着可同时在用户设备上显示的信息源100中的内容条目数量更多,而屏幕尺寸较小则意味着可同时在用户设备上显示的内容条目更少。
在操作308中,如果信息源100中的内容条目之后的一个或多个后续内容条目在用户设备上显示,则标签模块202将信息源100中的每个内容条目标为已滚动。在其他实施例中,如果在紧接着信息源100中各内容条目下方的特定数量的内容条目在用户设备中显示,则标签模块202将信息源100中的内容条目标为已滚动。例如,如果显示第三、第四、第五、第六、第七或后续的内容条目,则内容条目可标为已滚动。只有标为已浏览的内容条目可被标为已滚动。行为模型更青睐被标为已滚动的内容条目,因为这些内容条目更可能激励用户继续滚动后续信息源100和浏览更多内容条目。
在操作310中,基于方法300中获得的属性和标签训练行为模型。行为模型将内容条目被看到和/或点击的事件概率作为(i、u、h、t和s)的函数模型,其中,i是内容条目,u是用户,h是内容条目的高度,t是信息源顶部距内容条目的距离,而s是屏幕尺寸。
首先,行为模型可选地假设内容条目的放置位置越高(如,更靠近信息源顶部),则点击率(CTR)越高。换言之,假设除t外其他不变,则CTR为t的递减函数:
Pr[已看(或已点击)|i、u、h、t、s]>Pr[已看(或已点击)|i、u、h、i+△、s]
采用贪婪排序策略直观法的根本原因在于,它可以将分数/收益/奖励/效用高(高边际CTR(与位置无关)或高收益)的条目放置在更高的位置。
其次,行为模型可选地假设,当内容条目完全显示在第一屏幕(如,用户无需向下滚动以浏览内容条目)时,其在用户设备上的显示和/或点击几率比未在第一屏幕上显示(如,用户为了浏览内容条目而向下滚动)时的几率高,这是因为用户更省力:
Pr[已看(或已点击)|t+h<s]>>Pr[已看(或已点击)|t>s]
可包含在行为模型中的其他假设有:
1、在每次访问时,用户只向下滚动信息源100,而不向上滚动信息源100。
2、用户在浏览位置1的内容条目之前一直浏览位置(i-1)的内容条目。
3、Pr[条目i已点击|条目i已看]=p_i为常数,不取决于Pr[条目i已看]及其位置。
4、Pr[滚动看条目i+1|条目i已看且已点击]=0。在多个实施例中,可改变假设。可隐式地假设用户每次访问网页时,最多只接收到一次点击。
~.Pr[滚动看条目i+1|条目i已看但未点击]=exp^(a*h_i);其中,a>0。这一假设表明,条目的尺寸越大,用户看到下一条目的可能性就越小。
可通过上述假设,利用各种建模技术来生成和训练行为模型。可使用的技术实例包括机器学习技术和统计技术,如,逻辑回归。
图4是根据多个实施例的基于行为模型填充信息源100的方法的流程图。每当向用户显示时,填充信息源100。信息源可在用户每次登陆特定网页或每次从特定网页导航到另一网页时向用户显示。
在操作402中,确定已提供信息源100的用户的一个或多个属性。在一些实施例中,从用户属性数据库206中检索用户属性。用户属性可包括与用户过去的滚动行为或点击行为相关的信息。用户属性可以是针对用户或基于用户所分配或所属的用户群。
在操作404中,确定可放置在信息源100中的一个或多个内容条目的属性。在一些实施例中,从内容属性数据库208中检索内容条目的属性。这些属性可包括内容条目的高度h 118、内容条目的历史设置距离t 116,以及对于每个距离t 116,用户设备的屏幕尺寸s114和内容条目是否被点击或被选择。
在操作406中,评分模块210利用方法300的行为模型为每个有用的内容条目生成一个分数,其中,一个或多个内容条目的全部属性已包含在评分中。行为模型可仅使用操作308中的滚动标签为内容条目评分。在其他实施例中,行为模型可使用操作308中的滚动标签以及操作306中的浏览标签为内容条目评分。在另外的实施例中,行为模型可利用操作308中的滚动标签、操作306中的浏览标签以及与内容条目相关联的既定点击率对内容条目进行评分。
在一个实施例中,对于使用操作308中的滚动标签、操作306中的浏览标签以及与内容条目相关联的既定点击率的行为模型,根据操作310中所述的相关假设,条目在位置i上被看到的概率为:
之后,条目在位置i被点击的概率为:
注意,F_i已表明会员不会通过i-1点击条目1。
现将r_i设为条目i的点击奖励,评分模块210将通过目标函数(整个访问的预期奖励)利用公式来解决下面的优化问题:
s.t.限制条目的布置
这看起来是一个组合问题,因为评分模块210正在优化候选条目的所有可能排列。鉴于F_i的乘积形式,因此,可用评分模块210表明,最优解是基于以下公式对条目排序:
式中,(1-p_i)e^{-ah_i}是指用户在已看到条目i的情况下未点击条目i并且未向下滚动到条目i+1的概率。所以,分母是用户点击条目i或未点击并滚动到下一条目的概率。换言之,分母是假设用户已看见条目i,但未看见条目i+1并在条目i结束访问的条件概率。因此,p_i/(1-(1-p_i)e^{-a h_i})是假设在条目i结束访问时条目i的CTR。
在其他实施例中,采用更通用的优化公式和证据来表明内容条目的最优订阅排序。在这些实施例中,设x_j为条目j(j是条目ID)的特征向量,包括显示尺寸特征h和t。设y_i为放置在第i位置(i在信息源中的排序)的条目的特征向量。为了避免混淆,像x_i.h至y_i.h等符号表示条目i和放置在i位置的条目的特定特征(此处为尺寸)。
之后,评分模块210定义一个排列矩阵M,如果条目j放置在第i位置,则M_ij=1;否则M_ij=0。换言之,M_ij=1时,y—i.*=x_j.*。此外,Y_i={y_1、y_2、...、y_i}表示放置在第i位置的条目的全部特征。与前面例子中的F_i类似,F_i(Y_i)是假设在1到i位置显示条目的所有特征,条目在i位置被点击的概率。评分模块210进一步假设F_i(Y_i)符合乘积形式:
式中,
p(y_i)=Pr[i位置条目被点击|i位置条目被看见]
和
g(y_i)=Pr[i+1位置条目被看见|i位置条目被看见]。
评分模块210在此处依赖于以下假设:
1、假设i位置的条目被看见,条目被点击的事件独立于其他所有条目并且完全由i位置条目自身的特征决定。
2、假设i位置的条目被看见,用户在i+1位置看到下一条目的事件独立于其他所有条目(包括i+1位置的条目),并且完全由i位置条目自身的特征决定。
该公式并未假设每次访问的点击数<=1。由于g()能够包含条目被点击时的情况,因此,用户在点击消费内容后返回原始信息源,并向下滚动至下一条目。
现在,评分模块210可形成下面优化问题的公式,以最大化整个访问的预期奖励:
(M是排列矩阵)
(实施排列)
g1·t=0(第一条目被放置在信息源顶部)
(条目不能重叠)
根据这个公式,最优解即为基于以下公式对条目的排序:
在操作408中,显示模块212利用评分模块310确定的解,基于内容条目中的每一个的相对分数生成信息源100。内容条目从最高评分开始布置于信息源100顶部,之后按分数依次递减往下布置。信息源100在用户设备上显示。
硬件概述
根据一个实施例,本文所描述的技术由一个或多个专用计算设备来实现。专用计算设备可以被硬连线以执行这些技术,或者可包括持久地被编程为执行所述技术的数字电子设备(如,一个或多个专用集成电路(ASIC)或现场可编程门阵列(FPGA)),或者可包括一个或多个通用硬件处理器;所述一个或多个通用硬件处理器被编程为依照固件、存储器、其他存储器或者上述组合中的程序指令来执行所述技术。这种专用计算设备还可以将定制的硬连线逻辑、ASIC或FPGA与定制编程组合以完成所述技术。专用计算设备可以是台式计算机系统、便携式计算机系统、手持设备、联网设备或包含硬连线和/或程序逻辑以实现所述技术的任何其他设备。
例如,图5是可实现实施例的计算机系统的框图。计算机系统500包括总线502或用于传送信息的其他通信机构,以及与总线502耦合的、用于处理信息的硬件处理器504。例如,硬件处理器504可以是通用微处理器。
计算机系统500还包括主存储器506,如,随机存取存储器(RAM)或其他动态存储设备,所述主存储器被耦合到总线502用于存储由处理器504执行的信息和指令。主存储器506还可用于在执行由处理器504执行的指令期间存储临时变量或者其他中间信息。当指令存储在处理器504可访问的非瞬态存储介质中时,该指令可使计算机系统500成为专门执行指令中指定操作的专用机器。
计算机系统500还包括被耦接至总线502的只读存储器(ROM)508或其他静态存储设备,用于存储用于处理器504的静态信息和指令。磁盘、光盘或固态驱动器等存储设备510被提供并且被耦接至总线502用于存储信息和指令。
计算机系统500可以经由总线502连接至诸如阴极射线管(CRT)等显示器512,用于向计算机用户显示信息。包括字母数字键和其他键在内的输入设备514被耦接至总线502,用于将信息和命令选择传送至处理器504。另一种类型的用户输入设备是光标控制516,如,鼠标、轨迹球或光标方向键,用于向处理器504传送方向信息和命令选择并且用于控制显示器512上的光标移动。该输入装置通常在两个轴(第一轴(例如x)和第二轴(例如y))上具有两个自由度,这使得该装置能够指定平面中的位置。
计算机系统500可以使用定制的硬连线逻辑、一个或多个ASIC或FPGA、固件和/或程序逻辑与计算机系统结合,使得计算机系统500成为专用机器来实现本文描述的技术。根据一个实施例,本文中的技术是由计算机系统500响应于处理器504执行包含在主存储器506中的一个或多个指令的一个或多个序列而执行的。这样的指令可以从另一存储介质(如,存储设备510)读入到主存储器506中。包含在主存储器506中的指令序列的执行使得处理器504执行本文所描述的处理步骤。在可替代实施例中,可以使用硬连线电路来代替软件指令或者与软件指令组合。
本文所使用的术语“存储介质”是指存储使机器以特定方式进行操作的数据和/或指令的任何非易失性介质。这样的存储介质可以包括非易失性介质和/或易失性介质。例如,非易失性介质包括光盘、磁盘或固态驱动器,诸如,存储设备510。易失性介质包括动态存储器,如,主存储器506。例如,存储介质的常见形式包括软盘、磁盘、硬盘、固态驱动器、磁带或者任何其它磁性数据存储介质、CD-ROM、任何其他光学数据存储介质、任何其他具有孔图案的物理介质、RAM、PROM和EPROM、FLASH-EPROM、NVRAM、任何其他存储器芯片或盒式存储器。
存储介质与传输介质不同,但可以与传输介质结合使用。传输介质参与在存储介质间传输信息。例如,传输介质包括同轴电缆、铜线和光纤,包括包含总线502的缆线。传输介质也可以采取声波或光波的形式,例如那些在无线电波和红外数据通信期间生成的声波或光波。
在将一个或多个指令的一个或多个序列携带到处理器504以进行执行时可以涉及各种形式的介质。例如,指令最初可以被携带在远程计算机的磁盘或固态驱动器上。远程计算机可以将指令加载到其动态存储器中,并使用调制解调器通过电话线发送指令。计算机系统500本地的调制解调器可以接收电话线上的数据并使用红外发射机将数据转换成红外信号。红外检测器可以接收红外信号中携带的数据,并且适当的电路可以将数据放置在总线502上。总线502将数据传送到主存储器506,处理器504从主存储器506获取并执行指令。由主存储器506接收的指令可以可选地在由处理器504执行之前或之后被存储在存储设备510上。
计算机系统500还包括被耦接到总线502的通信接口518。通信接口518提供耦接到网络链路520的双向数据通信,该网络链路520被连接到本地网络522。例如,通信接口518可以是综合业务数字网(ISDN)卡、电缆调制解调器、卫星调制解调器,或者提供到对应类型的电话线的数据通信连接的调制解调器。再例如,通信接口518可以是局域网(LAN)卡,以提供到兼容LAN的数据通信连接。还可以实现无线链接。在任何这样的实现方式中,通信接口518发送和接收承载表示各种类型的信息的数字数据流的电信号、电磁信号或光信号。
网络链接520通常通过一个或多个网络向其他数据设备提供数据通信。例如,网络链接520可以通过本地网络522提供到主计算机524的连接或通过本地网络522提供到由互联网服务提供商(ISP)526运行的数据设备的连接。ISP 526则通过现在通常称为“因特网”528的全球分组数据通信网络提供数据通信服务。本地网络522和因特网528都使用携带数字数据流的电信号、电磁信号或光信号。通过各种网络的信号以及网络链接520上和通过通信接口518的信号是传输介质的示例形式,这些信号将数字数据传送到计算机系统500和从计算机系统500传送数字数据。
计算机系统500可以通过网络、网络链接520和通信接口518发送消息并接收包括程序代码的数据。在因特网示例中,服务器530可以通过因特网528、ISP526、本地网络522和通信接口518发送针对应用程序的所请求的代码。
所接收的代码可以在被接收时由处理器504执行和/或被存储在存储设备510或其他非易失性存储器中以供稍后执行。
在前面的说明书中,已经参照可以随着实现而变化的许多具体细节描述了本发明的实施例。因此,说明书和附图被认为是说明性的而并非限制性的。本发明的范围的唯一的和排他性的指示以及申请人打算作为本发明的范围的内容是本申请中公布的一组权利要求的字面上和等同的范围,这样的权利要求所公布的特定形式包括任何后续的更正。
Claims (20)
1.一种方法,包括:
对于多个第一内容条目中的每个内容条目:
确定已被显示所述每个内容条目的第一用户的多个第一属性;
将所述每个内容条目与表示所述第一用户是否滚动所述每个内容条目的标签相关联;
确定第二用户的多个第二属性;
对于向所述第二用户显示的多个第二内容条目的每个内容条目,基于所述多个第二属性,利用模型生成所述每个内容条目的分数,其中,所述模型被基于所述多个第一属性和所述标签训练;
基于所述多个第二内容条目中的每个内容条目的分数,确定如何显示所述多个第二内容条目;
其中,所述方法由一个或多个计算装置执行。
2.如权利要求1或2所述的方法,进一步包括:对于所述多个第一内容条目的每个内容条目,将所述每个内容条目与表示所述第一用户是否点击所述每个内容项目的第二标签相关联。
3.如权利要求1、2或3所述的方法,进一步包括:对于所述多个第一内容条目的每个内容条目,将所述每个内容条目与表示所述第一用户浏览所述每个内容条目的时间量的第二标签相关联。
4.如权利要求3所述的方法,进一步包括:基于所述每个内容条目的复杂性度量,修改所述第一用户浏览所述每个内容条目的时间量。
5.如权利要求1、2、3或4所述的方法,进一步包括:对于所述多个第一内容条目的每个内容条目,确定所述每个内容条目的多个第三属性;
并且其特征在于,训练所述模型包括:基于所述每个内容条目的所述多个第三属性训练所述模型。
6.如权利要求5所述的方法,其特征在于,所述多个第三属性包括条目大小属性。
7.如权利要求1至6中任一项所述的方法,其特征在于,确定如何显示所述多个第二内容条目包括:将所述多个第二内容项目排序到可滚动信息源中。
8.如权利要求1至7中任一项所述的方法,其特征在于,将所述多个第一内容条目的第一条目与特定标签相关联,所述特定标签表示,如果所述第一内容条目被浏览,并且如果所述多个第一内容条目中的至少一个可滚动浏览的第二内容条目被所述第一用户浏览,则所述第一内容条目被滚动。
9.如权利要求1至8中任一项所述的方法,其特征在于,确定如何显示所述多个第二内容条目进一步基于所述多个第二内容条目中的每个内容条目的大小。
10.如权利要求1至9中任一项所述的方法,其特征在于,所述每个内容条目的分数基于与所述每个内容条目和多个第一用户相关联的点击率以及与所述每个内容条目和多个第二用户相关联的滚动次数。
11.一种系统,包括:
一个或多个处理器;
存储有指令的非瞬态计算机可读介质,
所述指令由所述一个或多个处理器执行时,使得:
对于多个第一内容条目中的每个内容条目:
确定已被显示所述每个内容条目的第一用户的多个第一属性;
将所述每个内容条目与表示所述第一用户是否滚动所述每个内容条目的标签相关联;
确定第二用户的多个第二属性;
对于向所述第二用户显示的多个第二内容条目的每个内容条目,基于所述多个第二属性,利用模型生成所述每个内容条目的分数,其中,所述模型被基于所述多个第一属性和所述标签训练;
基于所述多个第二内容条目中的每个内容条目的分数,确定如何显示所述多个第二内容条目。
12.如权利要求11所述的计算机可读介质,其特征在于,对于所述多个第一内容条目的每个内容条目,所述指令由所述一个或多个处理器执行时进一步使得所述每个内容条目与表示所述第一用户是否点击所述每个内容条目的第二标签相关联。
13.如权利要求11或12所述的计算机可读介质,其特征在于,对于所述多个第一内容条目的每个内容条目,所述指令由所述一个或多个处理器执行时进一步使得所述每个内容条目与表示所述第一用户浏览所述每个内容条目的时间量的第三标签相关联。
14.如权利要求13所述的计算机可读介质,其特征在于,所述指令由所述一个或多个处理器执行时进一步使得基于所述每个内容条目的复杂性度量修改所述第一用户浏览所述每个内容条目的时间量。
15.如权利要求11、12、13或14所述的计算机可读介质,其特征在于,对于所述多个第一内容条目的每个内容条目,所述指令由所述一个或多个处理器执行时进一步促使确定所述每个内容条目的多个第三属性;并且其特征在于,
训练所述模型包括:基于所述每个内容条目的所述多个第三属性训练所述模型。
16.如权利要求15所述的计算机可读介质,其特征在于,所述多个第三属性包括条目大小属性。
17.如权利要求11至16中任一项所述的计算机可读介质,其特征在于,确定如何显示所述多个第二内容条目包括将所述多个第二内容条目排序到可滚动信息源中。
18.如权利要求11至17中任一项所述的计算机可读介质,其特征在于,将所述多个第一内容条目的第一条目与标签相关联,所述标签表示,如果所述第一内容条目被浏览,并且如果所述多个第一内容条目中的至少一个可滚动浏览的第二内容条目被所述第一用户浏览,则所述第一内容条目被滚动。
19.如权利要求11至18中任一项所述的计算机可读介质,其特征在于,确定如何显示所述多个第二内容条目进一步基于所述多个第二内容条目中的每个内容条目的大小。
20.如权利要求11至19中任一项所述的计算机可读介质,其特征在于,所述每个内容条目的分数基于与所述每个内容条目和多个第一用户相关联的点击率以及与所述每个内容条目和多个第二用户相关联的滚动次数。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/814,104 US10275716B2 (en) | 2015-07-30 | 2015-07-30 | Feeds by modelling scrolling behavior |
US14/814,104 | 2015-07-30 | ||
PCT/US2016/043698 WO2017019548A1 (en) | 2015-07-30 | 2016-07-22 | Improving feeds by modelling scrolling behavior |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108604232A true CN108604232A (zh) | 2018-09-28 |
CN108604232B CN108604232B (zh) | 2022-05-27 |
Family
ID=57882590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680038910.6A Active CN108604232B (zh) | 2015-07-30 | 2016-07-22 | 通过模型化滚动行为而改善信息源 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10275716B2 (zh) |
CN (1) | CN108604232B (zh) |
WO (1) | WO2017019548A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10909573B2 (en) * | 2017-03-11 | 2021-02-02 | Michael T. Diep | System and method for online data mining and advertisement generator |
CN112115365B (zh) * | 2020-09-25 | 2021-09-14 | 贝壳找房(北京)科技有限公司 | 模型协同优化的方法、装置、介质和电子设备 |
US11663279B2 (en) * | 2021-05-05 | 2023-05-30 | Capital One Services, Llc | Filter list generation system |
US11614980B2 (en) * | 2021-05-10 | 2023-03-28 | Plus44 Holdings Limited | System and method for displaying a persistent notification with enhanced functions |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101025737A (zh) * | 2006-02-22 | 2007-08-29 | 王东 | 基于关注度的同源信息搜索引擎聚合显示方法及相关系统 |
US20100037179A1 (en) * | 2008-07-25 | 2010-02-11 | Sony Corporation | Display control apparatus, display control method and program |
CN101782909A (zh) * | 2009-01-19 | 2010-07-21 | 杨云国 | 基于用户操作意图的搜索引擎 |
US20110181900A1 (en) * | 2010-01-27 | 2011-07-28 | Kyocera Mita Corporation | Control device, image forming apparatus, and reading device |
US20120060121A1 (en) * | 2006-09-28 | 2012-03-08 | Goldberg Steven L | Content Feed User Interface |
CN103019550A (zh) * | 2012-12-07 | 2013-04-03 | 东软集团股份有限公司 | 关联内容实时展现方法及系统 |
CN104111997A (zh) * | 2014-07-08 | 2014-10-22 | 广州爱拼信息科技有限公司 | 基于浏览器客户端的信息显示方法、装置和系统 |
US8996629B1 (en) * | 2010-12-18 | 2015-03-31 | Google Inc. | Generating a stream of content for a channel |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101291225B1 (ko) * | 2005-10-07 | 2013-07-31 | 구글 인코포레이티드 | 사용자 선택 콘텐츠 피드들 및 콘텐츠 피드들의 상위 n개 리스트의 간접 가입 |
US8255812B1 (en) * | 2007-03-15 | 2012-08-28 | Google Inc. | Embedding user-selected content feed items in a webpage |
US10356135B2 (en) * | 2013-01-22 | 2019-07-16 | Facebook, Inc. | Categorizing stories in a social networking system news feed |
-
2015
- 2015-07-30 US US14/814,104 patent/US10275716B2/en active Active
-
2016
- 2016-07-22 CN CN201680038910.6A patent/CN108604232B/zh active Active
- 2016-07-22 WO PCT/US2016/043698 patent/WO2017019548A1/en active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101025737A (zh) * | 2006-02-22 | 2007-08-29 | 王东 | 基于关注度的同源信息搜索引擎聚合显示方法及相关系统 |
US20120060121A1 (en) * | 2006-09-28 | 2012-03-08 | Goldberg Steven L | Content Feed User Interface |
US20100037179A1 (en) * | 2008-07-25 | 2010-02-11 | Sony Corporation | Display control apparatus, display control method and program |
CN101782909A (zh) * | 2009-01-19 | 2010-07-21 | 杨云国 | 基于用户操作意图的搜索引擎 |
US20110181900A1 (en) * | 2010-01-27 | 2011-07-28 | Kyocera Mita Corporation | Control device, image forming apparatus, and reading device |
US8996629B1 (en) * | 2010-12-18 | 2015-03-31 | Google Inc. | Generating a stream of content for a channel |
CN103019550A (zh) * | 2012-12-07 | 2013-04-03 | 东软集团股份有限公司 | 关联内容实时展现方法及系统 |
CN104111997A (zh) * | 2014-07-08 | 2014-10-22 | 广州爱拼信息科技有限公司 | 基于浏览器客户端的信息显示方法、装置和系统 |
Also Published As
Publication number | Publication date |
---|---|
US20170032264A1 (en) | 2017-02-02 |
CN108604232B (zh) | 2022-05-27 |
US10275716B2 (en) | 2019-04-30 |
WO2017019548A1 (en) | 2017-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220351016A1 (en) | Presentation module for webinterface production and deployment system | |
CN102314450B (zh) | 用于增强网页浏览的方法和设备 | |
CN1841381B (zh) | 带有文本概述的实时图形预览 | |
US7620651B2 (en) | System for dynamic product summary based on consumer-contributed keywords | |
CN105653545B (zh) | 在页面中提供业务对象信息的方法及装置 | |
CN106462559B (zh) | 任意大小内容项生成 | |
US20110321003A1 (en) | Systems and Methods For Providing Modular Configurable Creative Units For Delivery Via Intext Advertising | |
CN106688215A (zh) | 针对内容效能优化的自动点击类型选择 | |
US11699019B2 (en) | Visual content optimization system using artificial intelligence (AI) based design generation and validation | |
CN106462560A (zh) | 使用行为度量来优化内容布局的系统和方法 | |
CN102707940A (zh) | 用于提供定制的系统菜单的方法和系统 | |
CN109871491A (zh) | 论坛帖子推荐方法、系统、设备及存储介质 | |
CN103180845B (zh) | 将用户生成内容的项目匹配到实体 | |
CN108604232A (zh) | 通过模型化滚动行为而改善信息源 | |
CN108090568A (zh) | 认知机器人学分析器 | |
CN101903898A (zh) | 广告空间的锥体结构 | |
CN101283348A (zh) | 具有对动态地聚集的文档的和谐合成的多形设计 | |
CN109543098A (zh) | 一种网页广告的更新方法及装置 | |
US20230401617A1 (en) | Inserting code into a document object model of a graphical user interface (gui) for unified presentation of data | |
CN108028839A (zh) | 用于动态限制信息资源中包括的未授权内容的渲染的系统和方法 | |
CN109522497A (zh) | 一种新闻网页页面的适配显示方法及装置 | |
CN105243133B (zh) | 一种搜索记录显示方法及电子设备 | |
CN108664522A (zh) | 网页处理方法及装置 | |
CN105243132A (zh) | 一种搜索记录控制方法及电子设备 | |
CN109492165B (zh) | 一种网络搜索方法及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Washington State Applicant after: Micro soft technique license Co., Ltd Address before: Washington State Applicant before: Microsoft technical authorization limited liability company |
|
GR01 | Patent grant | ||
GR01 | Patent grant |